买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉桂林理工大学申请的专利一种三维地形生成方法、装置、系统以及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115564907B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211184067.6，技术领域涉及：G06T17/05；该发明授权一种三维地形生成方法、装置、系统以及存储介质是由康传利;陈进启;范冬林;张思瑶设计研发完成，并于2022-09-27向国家知识产权局提交的专利申请。

本一种三维地形生成方法、装置、系统以及存储介质在说明书摘要公布了：本发明提供一种三维地形生成方法、装置、系统以及存储介质，属于图像处理领域，方法包括：构建编码器、生成器、判别器以及鉴别器；通过编码器分别对各个原始地形图进行编码得到原始潜在空间域样本；通过编码器以及生成器分别对各个原始地形图以及各个原始潜在空间域样本进行训练得到原始映射地形图以及映射潜在空间域样本。本发明解决了缺少用户控制生成地形难预测，需要大量运算以及生成地形中会出现规则的网格状伪影的问题，无需人工参与，节约了人力物力，能够准确地捕获真实结构化条件分布，解决了优化循环一致性障碍的问题。

本发明授权一种三维地形生成方法、装置、系统以及存储介质在权利要求书中公布了：1.一种三维地形生成方法，其特征在于，包括如下步骤： 构建编码器、生成器、判别器以及鉴别器； 导入多个原始地形图，并通过所述编码器分别对各个所述原始地形图进行编码，得到各个所述原始地形图的原始潜在空间域样本； 通过所述编码器以及所述生成器分别对各个所述原始地形图以及各个所述原始地形图的原始潜在空间域样本进行训练，得到各个所述原始地形图的原始映射地形图以及映射潜在空间域样本； 通过所述编码器以及所述生成器分别对各个所述原始地形图、各个所述原始地形图的原始映射地形图以及映射潜在空间域样本进行训练，得到各个所述原始地形图的目标地形图以及目标潜在空间域样本； 通过所述生成器、所述判别器以及所述鉴别器对所有所述原始地形图、所有所述原始地形图的原始潜在空间域样本、原始映射地形图、映射潜在空间域样本、目标地形图以及目标潜在空间域样本进行损失函数分析，得到目标优化损失函数； 根据所述目标优化损失函数分别对所述编码器、所述生成器、所述判别器以及所述鉴别器进行参数更新，得到更新后编码器、更新后生成器、更新后判别器以及更新后鉴别器； 导入待生成地形图，并通过所述更新后编码器、所述更新后生成器、所述更新后判别器以及所述更新后鉴别器对所述待生成地形图进行三维地形的生成，得到三维地形生成结果； 所述原始地形图包括原始分界线地形图以及与所述原始分界线地形图对应的原始三维地形图，所述编码器包括编码器和编码器， 所述通过所述编码器分别对各个所述原始地形图进行编码，得到各个所述原始地形图的原始潜在空间域样本的过程包括： 通过所述编码器分别对各个所述原始分界线地形图以及各个所述原始分界线地形图对应的原始三维地形图进行编码，得到各个所述原始分界线地形图的原始分界线潜在空间域样本； 通过所述编码器分别对各个所述原始分界线地形图以及各个所述原始分界线地形图对应的原始三维地形图进行编码，得到各个所述原始三维地形图的原始三维地形潜在空间域样本； 所述原始地形图的原始潜在空间域样本包括所述原始分界线地形图的原始分界线潜在空间域样本和所述原始三维地形图的原始三维地形潜在空间域样本； 所述生成器包括生成器和生成器， 所述通过所述编码器以及所述生成器分别对各个所述原始地形图以及各个所述原始地形图的原始潜在空间域样本进行训练，得到各个所述原始地形图的原始映射地形图以及映射潜在空间域样本的过程包括： 通过所述生成器分别对各个所述原始分界线地形图以及各个所述原始三维地形图的原始三维地形潜在空间域样本进行映射，得到各个所述原始三维地形图的原始三维映射地形图； 通过所述编码器分别对各个所述原始分界线地形图以及各个所述原始三维地形图的原始三维映射地形图进行编码，得到各个所述原始分界线地形图的分界线映射潜在空间域样本； 通过所述生成器分别对各个所述原始三维地形图以及各个所述原始分界线地形图的原始分界线潜在空间域样本进行映射，得到各个所述原始分界线地形图的原始分界线映射地形图； 通过所述编码器分别对各个所述原始三维地形图以及各个所述原始分界线地形图的原始分界线映射地形图进行编码，得到各个所述原始三维地形图的三维地形映射潜在空间域样本； 所述原始地形图的原始映射地形图包括所述原始分界线地形图的原始分界线映射地形图和所述原始三维地形图的原始三维映射地形图； 所述原始地形图的映射潜在空间域样本包括所述原始分界线地形图的分界线映射潜在空间域样本和所述原始三维地形图的三维地形映射潜在空间域样本； 所述通过所述编码器以及所述生成器分别对各个所述原始地形图、各个所述原始地形图的原始映射地形图以及映射潜在空间域样本进行训练，得到各个所述原始地形图的目标地形图以及目标潜在空间域样本的过程包括： 通过所述生成器分别对各个所述原始三维地形图的原始三维映射地形图以及所述原始分界线地形图的分界线映射潜在空间域样本进行映射，得到各个所述原始分界线地形图的目标分界线地形图； 通过所述编码器分别对各个所述原始分界线地形图以及各个所述原始三维地形图的原始三维映射地形图进行编码，得到各个所述原始三维地形图的目标三维地形潜在空间域样本； 通过所述生成器分别对各个所述原始分界线地形图的原始分界线映射地形图以及各个所述原始三维地形图的三维地形映射潜在空间域样本进行映射，得到各个所述原始三维地形图的目标三维地形图； 通过所述编码器分别对各个所述原始三维地形图以及各个所述原始分界线地形图的原始分界线映射地形图进行编码，得到各个所述原始分界线地形图的目标分界线潜在空间域样本； 所述原始地形图的目标地形图包括所述原始分界线地形图的目标分界线地形图和所述原始三维地形图的目标三维地形图； 所述原始地形图的目标潜在空间域样本包括所述原始三维地形图的目标三维地形潜在空间域样本和所述原始分界线地形图目标分界线潜在空间域样本； 所述通过所述生成器、所述判别器以及所述鉴别器对所有所述原始地形图、所有所述原始地形图的原始潜在空间域样本、原始映射地形图、映射潜在空间域样本、目标地形图以及目标潜在空间域样本进行损失函数分析，得到目标优化损失函数的过程包括： 通过所述生成器、所述判别器以及所述鉴别器对所有所述原始分界线地形图、所有所述原始三维地形图、所有所述原始地形图的原始分界线潜在空间域样本、分界线映射潜在空间域样本以及所有所述原始三维地形图的原始三维地形潜在空间域样本进行分界线边缘匹配损失函数的计算，得到第一分界线边缘匹配损失函数以及第二分界线边缘匹配损失函数； 通过所述生成器、所述判别器以及所述鉴别器对所有所述原始分界线地形图、所有所述原始三维地形图、所有所述原始地形图的原始分界线潜在空间域样本、所有所述原始三维地形图的原始三维地形潜在空间域样本以及三维地形映射潜在空间域样本进行三维地形边缘匹配损失函数的计算，得到第一三维地形边缘匹配损失函数以及第二三维地形边缘匹配损失函数； 分别将各个所述原始分界线地形图的目标分界线地形图与所述原始分界线地形图作差处理，得到各个所述原始分界线地形图的第一差值；分别计算各个所述原始分界线地形图的第一差值的绝对值，得到各个所述原始分界线地形图的第一绝对值；并将所有所述原始分界线地形图的第一绝对值作和处理，得到第一绝对值之和；并计算所述第一绝对值之和的数学期望，得到第一循环一致损失函数； 分别将各个所述原始三维地形图的目标三维地形潜在空间域样本与原始三维地形潜在空间域样本作差处理，得到各个所述原始三维地形图的第二差值；分别计算各个所述原始三维地形图的第二差值的绝对值，得到各个所述原始三维地形图的第二绝对值；并将所有所述原始三维地形图的第二绝对值作和处理，得到第二绝对值之和；并计算所述第二绝对值之和的数学期望，得到第二循环一致损失函数； 分别将各个所述原始三维地形图的目标三维地形图与所述原始三维地形图作差处理，得到各个所述原始三维地形图的第三差值；分别计算各个所述原始三维地形图的第三差值的绝对值，得到各个所述原始三维地形图的第三绝对值；并将所有所述原始三维地形图的第三绝对值作和处理，得到第三绝对值之和；并计算所述第三绝对值之和的数学期望，得到第三循环一致损失函数; 分别将各个所述原始分界线地形图的目标分界线潜在空间域样本与原始分界线潜在空间域样本作差处理，得到各个所述原始分界线地形图的第四差值；分别计算各个所述原始分界线地形图的第四差值的绝对值，得到各个所述原始分界线地形图的第四绝对值；并将所有所述原始分界线地形图的第四绝对值作和处理，得到第四绝对值之和；并计算所述第四绝对值之和的数学期望，得到第四循环一致损失函数； 导入第一权重系数和第二权重系数，并将所述第一循环一致损失函数与所述第一权重系数作乘积处理，得到第一乘积；将所述第二循环一致损失函数与所述第二权重系数作乘积处理，得到第二乘积；将所述第一分界线边缘匹配损失函数、所述第二分界线边缘匹配损失函数、所述第一乘积以及所述第二乘积作和处理，得到第一总损失函数； 导入第三权重系数和第四权重系数，并将所述第三循环一致损失函数与所述第三权重系数作乘积处理，得到第三乘积；将所述第四循环一致损失函数与所述第四权重系数作乘积处理，得到第四乘积；将所述第一三维地形边缘匹配损失函数、所述第二三维地形边缘匹配损失函数、所述第三乘积以及所述第四乘积作和处理，得到第二总损失函数； 基于第一式，根据所述第一总损失函数以及所述第二总损失函数进行目标优化损失函数的计算，得到目标优化损失函数，所述第一式为： 其中，为目标优化损失函数，为第一总损失函数，为第二总损失函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人桂林理工大学，其通讯地址为：541004 广西壮族自治区桂林市七星区建干路12号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。